Propriétés diélectriques des tissus mammaires

Table des matières

Dédicaces
Remerciements
RESUME
ABSTRACT
Sommaire
Tables des figures
Tables des tableaux
Tables des organigrammes
Introduction Générale
Chapitre 1: Imagerie micro-onde pour la détection du cancer du sein
1.1 Introduction
1.2 Imagerie médicale pour le dépistage du cancer du sein
1.2.1 Mammographie
1.2.2 Echographie
1.2.3 Imagerie par résonance magnétique
1.3 Imagerie micro-onde
1.3.1 Imagerie micro-onde passive
1.3.2 Imagerie micro-onde hybride
1.3.3 Imagerie micro-onde active
1.3.3.1 Tomographie
1.3.3.2 Technique d‟imagerie micro-onde radar ULB
1.4 Propriétés diélectriques des tissus mammaires
1.5 Imagerie micro-onde pour la détection du cancer du sein
1.5.1 Travaux réalisés sur la détection du cancer du sein
1.6 Conclusion
Chapitre 2: Application des réseaux de neurones dans l’imagerie micro onde (Détection et Localisation)
2.1 Introduction
2.2 Etat de l’art sur l’application des réseaux de neurones dans l‟imagerie micro-onde
2.3 Etude du système d‟imagerie micro-onde pour la détection du cancer du sein
2.3.1 Fantôme mammaire
2.3.2 Antenne micro-ruban rectangulaire
2.4 Détection et localisation de la tumeur par réseau de neurones
2.4.1 Perceptron multicouche
2.4.2 Algorithme d‟apprentissage
2.4.3 Construction et validation des réseaux de neurones pour différentes configurations du système d’imagerie micro-onde
2.4.3.1 Positionnement de l’antenne et création des bases de données
2.4.3.2 Génération du vecteur d’entrée du réseau de neurones
2.4.3.3 Dimensionnement et création du réseau de neurones
2.4.3.4 Phase d’apprentissage
2.5 Résultats et discussions
2.6 Conclusion
Chapitre 3:Détection du cancer du sein par imagerie micro-onde. Application de l’approche SVR
3.1 Introduction
3.2 Machine à vecteur de support
3.3 Régression à vecteur de support
3.4 Détection et localisation d’une tumeur mammaire par l’approche SVM
3.4.1 Construction et validation du SVM pour différentes configurations du système d’imagerie micro-onde
3.4.2 Positionnement de l’antenne et création des bases de données
3.4.3 Création du modèle par SVM
3.5 Résultats et discussions
3.6 Conclusion
Conclusion Générale et Perspectives
Annexe A: Interpolation Cubique d’Hermite
A.1 Introduction
A.2 Interpolation polynomiale d‟Hermite
Avantages
Inconvénients
Annexe B: Régression par les machines à vecteurs supports
B.1 Introduction
B.2 La régression par les machines a vecteur de support
B.3 Les avantages du SVR
Références
RESUME